基于多分支 ResNet 的单导联 ECG 房颤自动识别
信号处理
2023-06-28 v1
摘要
心房颤动（AF）是最常见的心律失常，临床表现为不规则且快速的心跳节律。AF 使患者面临形成血栓的风险，最终可导致心力衰竭、卒中甚至猝死。开发能够有效解读心电图（ECG）信号并为准确 AF 诊断提供决策支持的先进分析模型至关重要。本文提出一种创新的深度学习方法，用于从单导联 ECG 中自动识别 AF。我们首先采用连续小波变换（CWT）从 ECG 信号中提取时频特征。随后，我们设计了一种融合 ResNet 的卷积神经网络（CNN）结构，以实现有效网络训练，并采用多分支架构解决数据不平衡问题，从而处理二维时频特征以完成 AF 分类。我们使用两个真实世界 ECG 数据库对所提方法进行评估。实验结果表明，相较传统深度学习模型，我们的方法具有更优性能。
引用
@article{arxiv.2306.15096,
title = {Automated Identication of Atrial Fibrillation from Single-lead ECGs Using Multi-branching ResNet},
author = {Jianxin Xie and Stavros Stavrakis and Bing Yao},
journal= {arXiv preprint arXiv:2306.15096},
year = {2023}
}